網(wǎng)絡(luò)安全大數(shù)據(jù)分析與實(shí)戰(zhàn)

讀書筆記模板網(wǎng)絡(luò)安全大數(shù)據(jù)分析與實(shí)戰(zhàn)01思維導(dǎo)圖目錄分析讀書筆記內(nèi)容摘要作者介紹精彩摘錄目錄0305020406思維導(dǎo)圖網(wǎng)絡(luò)安全實(shí)戰(zhàn)大數(shù)據(jù)作者內(nèi)容企業(yè)技術(shù)基本概念大數(shù)據(jù)技術(shù)習(xí)題小結(jié)數(shù)據(jù)算法概念應(yīng)用信息分析第章本書關(guān)鍵字分析思維導(dǎo)圖內(nèi)容摘要內(nèi)容摘要1.作者權(quán)威。本書由絡(luò)安全行業(yè)領(lǐng)先企業(yè)安恒信息組織編寫，作者均為企業(yè)資深的技術(shù)專家，有豐富的實(shí)戰(zhàn)技術(shù)經(jīng)驗。2.內(nèi)容實(shí)用。內(nèi)容涵蓋大數(shù)據(jù)安全、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、開發(fā)編程工具、相關(guān)法律法規(guī)等內(nèi)容，以及大數(shù)據(jù)安全分析師認(rèn)證培訓(xùn)知識點(diǎn)。目錄分析1.1大數(shù)據(jù)相關(guān)理論1.2大數(shù)據(jù)相關(guān)技術(shù)1.3大數(shù)據(jù)應(yīng)用案例1.4大數(shù)據(jù)分析技術(shù)在安全中的應(yīng)用第1章大數(shù)據(jù)安全概述課后習(xí)題本章小結(jié)第1章大數(shù)據(jù)安全概述1.1大數(shù)據(jù)相關(guān)理論1.1.1大數(shù)據(jù)產(chǎn)生的背景1.1.2大數(shù)據(jù)的定義與構(gòu)成1.1.3大數(shù)據(jù)的特征與價值1.2大數(shù)據(jù)相關(guān)技術(shù)1.2.1大數(shù)據(jù)平臺與架構(gòu)1.2.2大數(shù)據(jù)分析常用工具1.3大數(shù)據(jù)應(yīng)用案例1.3.1社交絡(luò)廣告投放系統(tǒng)1.3.2圍棋智能AlphaGo1.3.3圖像識別1.4大數(shù)據(jù)分析技術(shù)在安全中的應(yīng)用1.4.1安全需要大數(shù)據(jù)1.4.2安全大數(shù)據(jù)分析技術(shù)基礎(chǔ)及分析思路2.1大數(shù)據(jù)分析理論基礎(chǔ)2.2大數(shù)據(jù)分析實(shí)踐基礎(chǔ)本章小結(jié)課后習(xí)題第2章大數(shù)據(jù)安全分析基礎(chǔ)2.1大數(shù)據(jù)分析理論基礎(chǔ)2.1.1基本概念2.1.2分析思路2.1.3分析算法2.1.4常見安全應(yīng)用場景的特征及檢測方法2.2大數(shù)據(jù)分析實(shí)踐基礎(chǔ)2.2.1編程工具2.2.2編程環(huán)境2.2.3Python基礎(chǔ)知識3.1數(shù)據(jù)采集3.2非結(jié)構(gòu)化存儲3.3結(jié)構(gòu)化存儲3.4數(shù)據(jù)搜索3.5實(shí)時計算引擎12345第3章大數(shù)據(jù)分析工程技術(shù)3.6批量計算引擎3.7計算管理調(diào)度3.8數(shù)據(jù)可視化本章小結(jié)課后習(xí)題12345第3章大數(shù)據(jù)分析工程技術(shù)3.1數(shù)據(jù)采集3.1.1數(shù)據(jù)采集的概念3.1.2日志采集工具Logstash3.2非結(jié)構(gòu)化存儲3.2.1HDFS的基本信息3.2.2HDFS常用命令3.2.3HDFS管理命令3.3結(jié)構(gòu)化存儲3.3.1HBase基本介紹3.3.2HBase中的基本概念3.3.3Hbase常用命令3.4數(shù)據(jù)搜索3.4.1Elasticsearch基本概念3.4.2副本復(fù)制機(jī)制3.4.3映射和分詞3.4.4映射管理3.4.5索引管理命令3.4.6搜索3.4.7聚合分析3.5實(shí)時計算引擎3.5.1基本概念3.5.2主流的大數(shù)據(jù)流計算引擎3.5.3ApacheFlink3.6批量計算引擎3.6.1ApacheSpark項目簡介3.6.2Spark核心模塊3.6.3Spark與Hadoop的區(qū)別3.7計算管理調(diào)度3.7.1任務(wù)管理調(diào)度中的挑戰(zhàn)3.7.2Airflow介紹3.7.3任務(wù)DAG與任務(wù)依賴3.7.4AirflowHook3.7.5AirflowOperator3.7.6Airflow命令3.8數(shù)據(jù)可視化3.8.1明確表達(dá)意圖、選擇數(shù)據(jù)3.8.2拆解信息圖的要素3.8.3關(guān)于色彩、字體、圖標(biāo)3.8.4可視化的交互考慮3.8.5人類視覺缺陷及對數(shù)據(jù)可視化的影響3.8.6數(shù)據(jù)可視化工具3.8.7數(shù)據(jù)可視化類庫4.1機(jī)器學(xué)習(xí)的基本概念4.2機(jī)器學(xué)習(xí)的算法分類4.3深度學(xué)習(xí)基本理論4.4深度學(xué)習(xí)的最新進(jìn)展4.5深度學(xué)習(xí)核心思想12345第4章機(jī)器學(xué)習(xí)和深度學(xué)習(xí)課后習(xí)題本章小結(jié)第4章機(jī)器學(xué)習(xí)和深度學(xué)習(xí)4.1機(jī)器學(xué)習(xí)的基本概念4.1.1基本定義4.1.2應(yīng)用場景4.2機(jī)器學(xué)習(xí)的算法分類4.2.1監(jiān)督學(xué)習(xí)算法4.2.2無監(jiān)督學(xué)習(xí)算法4.2.3特殊算法4.3深度學(xué)習(xí)基本理論4.3.1相關(guān)概念4.3.2深度學(xué)習(xí)的特點(diǎn)4.4深度學(xué)習(xí)的最新進(jìn)展4.4.1AlphaGo戰(zhàn)勝李世石4.4.2圖像識別領(lǐng)域深度學(xué)習(xí)超越人類4.4.3目標(biāo)識別領(lǐng)域深度學(xué)習(xí)推動無人駕駛的跨越式發(fā)展4.5深度學(xué)習(xí)核心思想4.5.1卷積神經(jīng)絡(luò)(CNN)4.5.2遞歸神經(jīng)絡(luò)(RNN)4.5.3長短期記憶絡(luò)(LSTM)5.1決策樹5.2樸素貝葉斯算法5.3K近鄰(KNN)5.4支持向量機(jī)(SVM)算法第5章分類算法5.5BP神經(jīng)絡(luò)課后習(xí)題本章小結(jié)第5章分類算法5.1決策樹5.1.1基本概念5.1.2典型算法介紹5.1.3案例分析及算法優(yōu)缺點(diǎn)5.2樸素貝葉斯算法5.2.1概念及原理5.2.2案例分析及算法優(yōu)缺點(diǎn)5.3K近鄰(KNN)5.3.1基本概念及原理5.3.2案例分析及算法優(yōu)缺點(diǎn)5.4支持向量機(jī)(SVM)算法5.4.1基本概念及原理5.4.2案例分析及算法優(yōu)缺點(diǎn)5.5BP神經(jīng)絡(luò)5.5.1基本概念5.5.2算法原理5.5.3案例分析及算法優(yōu)缺點(diǎn)6.1統(tǒng)計預(yù)測6.2時間序列分析6.3回歸分析本章小結(jié)課后習(xí)題12345第6章預(yù)測分析6.1統(tǒng)計預(yù)測6.1.1統(tǒng)計預(yù)測的概念及作用6.1.2統(tǒng)計預(yù)測方法的分類與選擇6.1.3統(tǒng)計預(yù)測的原則與步驟6.2時間序列分析6.2.1時間序列的概念6.2.2移動平均模型6.2.3指數(shù)平滑模型6.2.4隨機(jī)時間序列模型6.3回歸分析6.3.1回歸分析的原理6.3.2線性回歸6.3.3邏輯回歸7.1基本概念7.2Apriori算法7.3FP-Growth算法7.4關(guān)聯(lián)分析應(yīng)用場景第7章關(guān)聯(lián)分析課后習(xí)題本章小結(jié)第7章關(guān)聯(lián)分析7.1基本概念7.1.1項與項集7.1.2關(guān)聯(lián)規(guī)則及相關(guān)度量7.2Apriori算法7.2.1Apriori算法原理7.2.2Apriori算法示例7.3FP-Growth算法7.3.1FP-Growth算法原理7.3.2FP-Growth算法示例8.1聚類概述8.2相似度（距離）計算8.3層次聚類8.4k-means聚類第8章聚類分析8.5EM聚類課后習(xí)題本章小結(jié)第8章聚類分析8.1聚類概述8.1.1基本概念8.1.2聚類分析的應(yīng)用8.2相似度（距離）計算8.2.1歐氏距離8.2.2曼哈頓距離8.2.3閔可夫斯基距離8.2.4馬氏距離8.2.5夾角余弦8.3層次聚類8.3.1基本概念及原理8.3.2案例分析8.4k-means聚類8.4.1基本概念及原理8.4.2案例分析8.5EM聚類8.5.1基本原理與概念8.5.2案例分析9.1僵尸絡(luò)的檢測9.2惡意URL檢測9.3WebShell檢測9.4Malware檢測第9章大數(shù)據(jù)安全分析應(yīng)用課后習(xí)題本章小結(jié)第9章大數(shù)據(jù)安全分析應(yīng)用9.1僵尸絡(luò)的檢測9.1.1僵尸絡(luò)基本概念9.1.2僵尸絡(luò)的危害9.1.3僵尸絡(luò)攻擊機(jī)制9.1.4僵尸絡(luò)逃逸機(jī)制9.1.5基于算法的僵尸絡(luò)檢測：DGA域名檢測9.2惡意URL檢測9.2.1URL概念9.2.2惡意URL攻擊原理9.2.3基于算法的惡意URL檢測9.3WebShell檢測9.3.1WebShell概述與分類9.3.2WebShell攻擊鏈模型9.3.3WebShell攻擊時序9.3.4傳統(tǒng)的WebShell檢測技術(shù)9.3.5基于算法的WebShell檢測9.4Malware檢測9.4.1Malware的概念9.4.2Malware檢測技術(shù)發(fā)展歷史9.4.3傳統(tǒng)Malware檢測技術(shù)9.4.4基于算法的Malware檢測10.1我國大數(shù)據(jù)安全相關(guān)的法律法規(guī)10.2數(shù)據(jù)安全相關(guān)技術(shù)標(biāo)準(zhǔn)本章小結(jié)課后習(xí)題第10章大數(shù)據(jù)安全相關(guān)法律法規(guī)10.1我國大數(shù)據(jù)安全相關(guān)的法律法規(guī)10.1.1我國大數(shù)據(jù)安全法治建設(shè)發(fā)展歷程10.1.2大數(shù)據(jù)安全法治建設(shè)的意義10.1.3《中華人民共和國絡(luò)安全法》10.1.4《中華人民共和國數(shù)據(jù)安全法》10.1.5《中華人民共和國個人信息保護(hù)法》10.1.6《信息安全技術(shù)數(shù)據(jù)出境安全評估指南》10.1.7關(guān)鍵信息基礎(chǔ)設(shè)施大數(shù)據(jù)安全政策10.1.8國內(nèi)大數(shù)據(jù)安全地方性法規(guī)10.2數(shù)據(jù)安全相關(guān)技術(shù)標(biāo)準(zhǔn)10.2.1《信息安全技術(shù)數(shù)據(jù)安全能力成熟度模型》10.2.2《信息安全技術(shù)數(shù)據(jù)交易服務(wù)安全要求》10.2.3《信息安全技術(shù)大數(shù)據(jù)安全管理指南